一种用于小规模脉冲神经网络的可配置类比神经系统芯片
硬件体系结构
2026-03-13 v1 神经与进化计算
摘要
脉冲神经网络 (SNN) 因其低功耗和计算效率优势，在边缘计算领域获得了广泛关注。然而，现有实现要么使用常规的系统芯片 (SoC) 架构，因内存-处理器瓶颈而受限，要么使用大规模神经硬件，对小规模 SNN 应用不够高效。本 work 提出了 SNAP-V，一种基于 RISC-V 的神经系统 SoC，包含两个加速器变体：Cerebra-S（基于总线）和 Cerebra-H（基于网络-on-chip (NoC)），针对小规模 SNN 推理进行优化，集成 RISC-V 核心用于管理任务，两个加速器均具备并行处理节点和分布式存储。实验结果表明，软件与硬件推理结果基本一致，在多种网络配置下平均 accuracy deviation 为 2.62%，在 45 nm CMOS 技术中平均 synaptic energy 为 1.05 pJ/每次 synaptive operation (SOP)。这些结果表明，所提出的解决方案能够实现适用于实时边缘应用的准确、低功耗 SNN 推理。
引用
@article{arxiv.2603.11939,
title = {SNAP-V: A RISC-V SoC with Configurable Neuromorphic Acceleration for Small-Scale Spiking Neural Networks},
author = {Kanishka Gunawardana and Sanka Peeris and Kavishka Rambukwella and Thamish Wanduragala and Saadia Jameel and Roshan Ragel and Isuru Nawinne},
journal= {arXiv preprint arXiv:2603.11939},
year = {2026}
}
备注
12 pages, 5 figures, 5 tables